Ce qui compteAfficher
- GroundedAI's ability to provide same-shift visibility into subterranean conditions offers project teams a mechanism to mitigate cost escalations…
- Secteur principal : Infrastructure IA
- Ouvrez la page de l'entreprise pour garder le signal de suivi en vue.
Le Canada fait face un cycle massif et multisectoriel de construction d'infrastructure nécessitant des investissements de centaines de milliards dans les transports, l'énergie et les mines. GroundedAI, une startup de Vancouver, positionne sa plateforme pour aborder les risques critiques qui émergent souvent sous la surface : les conditions de sol imprévues. La société a récemment clôturé un cycle de financement de 2 millions de dollars, mené par Stand Up Ventures, avec la participation de SOSV et d'autres investisseurs.
La construction souterraine présente des défis de données uniques comparés aux travaux en surface. Alors que les projets modernes en surface bénéficient de drones accessibles et d'imagerie satellite pour les études pré-construction, le tunneling repose sur des échantillons de forage limités et des notes d'inspection manuelles, ce qui conduit à des modèles basés sur des hypothèses concernant ce qui se trouve entre les points de données connus. Ce manque de données initiales complètes augmente le risque de projet; la recherche suggère que les projets de tunnels dépassent fréquemment le budget de 34 %.
La capacité de GroundedAI à fournir une visibilité pendant le même quart de travail sur les conditions souterraines permet aux équipes de projet d'atténuer les dépassements de coûts et les risques de sécurité avant qu'ils ne deviennent des retards coûteux.
La plateforme de GroundedAI change le flux de travail en permettant aux ingénieurs de capturer des scans 3D détaillés sous terre et de comparer les conditions réelles avec les plans de projet originaux au cours du même quart de construction. Actuellement, l'examen du support au sol nécessite une inspection manuelle, la photographie et la compilation de données qui accusent souvent un retard par rapport au site de travail actif. En intégrant la numérisation en temps réel, les équipes peuvent identifier immédiatement les écarts, facilitant une prise de décision plus rapide sur le support au sol et permettant la documentation immédiate des ordres de changement.
Le développement d'IA de l'entreprise se concentre sur un passage au-delà de la simple comparaison. La prochaine phase implique la création d'un système qui apprend ce qui constitue un comportement normal du sol pour des types de roche ou des classes de sol spécifiques, à partir des données collectées. Cette capacité avancée permettra à la plateforme de signaler les écarts véritablement significatifs, plutôt que de traiter simplement chaque déviation comme une anomalie.
Recevez l’essentiel de la tech canadienne de la semaine.
Cinq minutes. Un courriel utile. Aucun bruit.
Sources et notes techniquesAfficherMasquer
Sur quoi cet article repose
Utilisez les signaux publics, les apports de recherche et le cadrage éditorial pour comprendre la construction de l’article.
Ce qu’il faut évaluer ensuite
Ce bloc met en avant les systèmes, les flux de travail et les décisions que cet article aide à évaluer.
Restez dans le signal après cet article.
Suivez la page de l’entreprise, puis passez au hub sectoriel plus large avant de quitter l’article.
Gardez le contexte de l’entreprise à portée de main en poursuivant la lecture.
Signaux tech canadiens hebdomadaires, condensés pour les opérateurs.
S'abonner au signalBriefing hebdomadaire gratuit • Désabonnement à tout moment
Une liste de contrôle pratique pour les équipes canadiennes de politique, de confidentialité, d’approvisionnement et de gouvernance qui ont besoin d’un moyen rapide de vérifier les déploiements d’IA avant de passer à l’échelle.
Ouvrir la ressource